Tőzsdei trendek előrejelzése mesterséges intelligencia segítségével, historikus adatok alapján

Tornyos Bence (2025) Tőzsdei trendek előrejelzése mesterséges intelligencia segítségével, historikus adatok alapján. Pénzügyi és Számviteli Kar.

	PDF Tornyos_Bence_HSO6RE.pdf Hozzáférés joga: Csak nyilvántartásba vett egyetemi IP címekről nyitható meg Download (1MB)
	PDF biralatilap_alap_mester 2 (1).pdf Hozzáférés joga: Bizalmas dokumentum (bírálat) Download (76kB)

Absztrakt (kivonat)

A szakdolgozat az EUR/USD devizapár rövid távú árfolyammozgásainak előrejelzésére összpontosít, mesterséges intelligencia és gépi tanulási algoritmusok felhasználásával. A kutatás Random Forest és XGBoost klasszifikációs modelleket alkalmaz, amelyeket több mint hat év historikus forex adatain tanítottak (2019–2025). A kutatás 39 jellemzőből álló szisztematikus feature engineering keretrendszert épít, amely időalapú indikátorokat, technikai elemzési mutatókat, price action elemeket és gyertyamintákat kombinál. A modellek háromkategóriás osztályozást végeznek: csökkenő (Down), semleges (Neutral) vagy növekvő (Up) árfolyammozgást jeleznek elő a következő négy órára. Az eredmények azt mutatják, hogy az XGBoost 64,52%-os, a Random Forest 62,44%-os pontosságot ért el, amely szignifikánsan felülmúlja a véletlenszerű előrejelzést (33,3%). Az intraday szezonalitás és a candlestick szerkezeti jellemzők bizonyultak a legprediktívabbnak. Azonban a direkcionális mozgások (trendi fázisok) felismerésében a modellek jelenleg korlátozottak, leginkább kockázatkezelési eszközként funkcionálhatnak. A kutatás hangsúlyozza a pénzügyi piacok komplexitásának, volatilitásának és makrogazdasági tényezők kiszámíthatatlansága miatt a gépi tanulási előrejelzések gyakorlati alkalmazhatóságának korlátait.

Intézmény

Budapesti Gazdasági Egyetem

Kar

Pénzügyi és Számviteli Kar

Tudományterület/tudományág

NEM RÉSZLETEZETT

Szak

Gazdaságinformatikus

Mű típusa:	diplomadolgozat (NEM RÉSZLETEZETT)
Kulcsszavak:	foreign exchange rates, mesterséges intelligencia, pénzügyi előrejelzések, tőzsde, tőzsdeelemzés
SWORD Depositor:	User Archive
Felhasználói azonosító szám (ID):	User Archive
Rekord készítés dátuma:	2026. Júl. 09. 11:09
Utolsó módosítás:	2026. Júl. 09. 11:09

Actions (login required)

Tétel nézet